煤矿井下基于新息理论的AKF超宽带定位算法

针对传统煤矿井下定位精度低的问题,提出了一种基于新息理论的AKF超宽带定位算法.首先建立基于到达时间(TOA)的超宽带定位模型,其次利用极大似然估计准则,将新息方差引入到卡尔曼滤波中参与计算,对系统噪声进行实时的估计和调整,最终实现了系统的定位.实验结果表明,在选定的坐标系中,X轴方向最大误差为14.26 cm,Y轴方向最大误差为14.01 cm,均方根误差为12.68 cm.本文所提出的算法比传统UWB定位算法得到的定位误差更小,有效的提高了定位精度,能够更好的满足煤矿井下定位精度的需求.

煤矿井下动态环境基于WiFi的OSELM算法研究

针对煤矿井下环境高动态变化,导致WiFi指纹匹配定位模型精度降低的问题,提出在线顺序极限学习机(OSELM)的井下定位算法,利用新增接收信号强度指示(RSSI)数据实现对模型的在线实时更新,同时赋予新增数据时效性权重来改进OSELM算法,在保证定位精度的前提下减少数据采集和模型训练工作量。实验结果表明:与传统的批量学习方法相比,利用OSELM在线学习能力可以改善由于井下环境高动态变化导致定位模型精度降低的问题,并且改进的OSELM算法能更有效提升模型定位精度。

基于几何原理的无需测距传感器节点定位

对无线传感器网络中传感节点的定位问题进行研究,提出一种无需测距的定位方案。采用一个圆的弦的垂直平分线必过圆心的几何原理,利用移动锚点在感测区域中移动并周期性地广播信标消息,以确定有效的信标点和弦;在得到任意两条弦后,可以根据任意弦的垂直平分线必经过圆心来找到圆心,计算出传感器节点的位置;为提高定位方案的性能,提出一些改进措施。仿真结果表明,该定位方案具有较好的定位性能,在定位误差、定位执行时间和信标开销方面优于其它无需测距的定位方案。

面向煤矿井下WSN低功耗双向时间同步算法研究与实现

针对传统时间同步算法通过交换较多数据包来获取同步精度而导致能耗过大的现象,结合煤矿井下网络结构的特殊性,在分析双向成对同步机制和单向广播同步机制基础上,利用广播传输特性将2种机制有效结合起来,提出一种基于簇状结构的主被动式低功耗双向时间同步算法。实验表明,基于簇状结构的主被动式同步方式可有效解决传统双向报文交互频繁的问题,在误差允许范围内达到减少消息开销和平衡整个网络能量损耗的目的。

基于PSO-GRNN神经网络的煤矿井下定位算法研究

为进一步提高井下定位精度,本文提出一种基于粒子群算法-广义回归神经网络(PSO-GRNN)的煤矿井下定位算法。该算法利用广义回归神经网络(GRNN)建立井下定位模型,通过粒子群优化算法(PSO)寻找广义回归神经网络最优的平滑因子,降低人为调整的影响,提高定位精度。将信标节点接收到的信号强度(RSSI)值输入训练好的神经网络,神经网络的输出就是待测节点的坐标。仿真实验表明,PSO-GRNN模型相比未经优化的GRNN模型和BP模型,定位精度更高;相比BP模型,算法复杂度更低,效率更高,满足井下自适应定位要求。

隐马尔科夫模型修正的交互多模跟踪算法

针对交互式多模型目标跟踪算法中模型转移概率固定对跟踪精度造成的影响,提出了一种隐马尔科夫模型修正的模型转移概率自适应交互多模跟踪算法。该算法通过对跟踪过程建立隐马尔科夫模型,采用Viterbi算法求解修正系数,在检测到目标运动发生机动性变化时,将修正系数用于交互式多模型算法以达到实时调整模型转移概率的目的。仿真结果表明,该算法的跟踪结果优于传统的交互式多模型算法,具有很好的稳健性、实时性,有效降低了主观因素对跟踪精度造成的影响。

基于改进粒子滤波的井下跟踪算法研究与实现

井下环境复杂多变,射频信号易受到阴影效应、多径衰落等因素的影响。采用传统的粒子滤波跟踪方法误差较大,研究了一种基于改进粒子滤波的井下跟踪算法。初始化阶段利用第一次指纹匹配算法的定位结果来设计初始化概率分布函数;采用核函数法与指纹匹配技术相结合的算法,在采样数据中搜索与目标节点指纹特征相匹配的位置并加权得到位置坐标作为跟踪中的观测值;最后利用粒子滤波将观测值与目标运动状态相融合以跟踪目标运动轨迹。实验结果表明,粒子滤波算法较优化卡尔曼滤波算法更适用于井下跟踪;改进的算法有效增强了跟踪系统的可靠性,提高了跟踪精度,满足了井下的跟踪要求。

煤矿井下基于虚拟Radio-map及Markov链的定位算法

为了在煤矿井下获得更高的定位精度,提出一种基于虚拟Radio-map及Markov链的定位方法。结合井下复杂环境,采用信道衰减模型及线性插值法实现了动态衰减因子,建立虚拟Radio-map的同时降低了工作量;考虑到每处采样点接收信号强度分布先验假设和统计特征,在线阶段采用基于贝叶斯准则框架的加权核函数算法,为每个样本数据赋予一个以自身为"核心"的函数,构建的概率密度分布避免了确定模型带来的误差,从而提高了定位精度;为进一步优化定位结果,考虑先验概率对贝叶斯后验概率的影响,提出了基于高斯模型的Markov链定位算法,抑制了运动目标位置的大幅度跳变,使目标定位更加精确。实验表明,所提算法可以通过较低数据采集工作量达到一定的定位精度,满足井下目标定位需求。

煤矿井下WSN容错性时间同步算法的实现

为了提高井下时间同步精度,针对无线传感器网络对节点同步精度要求高、鲁棒性强以及时间同步协议普遍容错性较低的特点,提出一种面向煤矿井下的无线传感器网络容错性时间同步算法。该算法结合煤矿井下结构的特殊性,采用动态选举时间基准节点和避免重复发送策略,增强了网络的可扩展性,对于新加入节点可迅速收敛。在洪泛时间同步协议算法的基础上,利用概率统计学中的残差分析理论改进线性回归算法并进行差错判断,剔除井下异常数据点对拟合曲线的影响,抑制由异常数据导致同步误差的大幅度跳变,提升无线传感器网络(WSN)同步算法的容错性和可靠性。实验证明,该算法可在网络拓扑不断变化的情况下达到一定的同步精度,可保持网络稳定性,满足井下同步精度需求。

井下巷道事故监测定位的研究与实现

针对煤矿井下恶劣环境,无线信号易受到多径衰落、阴影效应以及电磁干扰的影响,为了避免用路径损耗传播模型引入误差,同时为了弥补MDS在定位精度与矩阵计算方面的不足,提出了基于RSSI的改进IT-MDS算法。上述算法利用非度量MDS直接将RSSI值作为相异性信息求解节点相对坐标,通过平面四参数坐标转换模型得到节点绝对坐标,并在迭代求精过程中引入松弛解法,减少了计算量,节约了运算时间。实验结果表明,优化后的算法抗扰动性强,定位精度有了明显提高,能够实现移动节点的实时定位。对移动节点定位有较好的定位效果。

新工科背景下地方高校传统工科专业协同育人模式实施探索——以内蒙古科技大学采矿工程专业为例

文章首先从依托虚拟产业学院构建合作培养模式、校企合作建设校内外实习实训基地、以信息技术为导向重构课程体系三个方面论述了新工科背景下地方高校传统工科专业协同育人模式实施思路,然后阐述了新工科背景下地方高校传统工科专业协同育人模式实施方案,包括建立健全虚拟产业学院管理体制和运行机制;强化实践环节,建立多层次实践教学平台;重构课程体系,突出多元化人才培养模式。

模型关系有向图辅助下的KL-VSIMM目标跟踪算法

为提高交互多模(Interacting Multiple Model,IMM)算法模型选择的灵活性,减少模型间的竞争,提出一种变结构交互多模(Variable-Structure Interacting Multiple Model,VSIMM)算法。在IMM算法的基础上计算当前各模型的KL值,并作为参考量评估模型与目标当前运动模式的接近程度,计算出与目标运动模式相似度较高的模型;借助模型关系有向图激活其在加速度空间上的邻近模型,同时剔除匹配程度最低的模型以实现模型集的自适应切换,形成KL-VSIMM算法。仿真结果表明,KL-VSIMM算法在状态估计质量和模型识别能力上均表现出了很好的性能。

自适应SINR门限的自动邻区关系生成算法

在长期演进(LTE)系统中,为保证终端通信的正常进行,每个小区需要维护一张邻区列表,该表决定终端切换的范围和方向.传统的相邻小区列表配置是网络工程师根据现场勘测情况进行配置,这样不仅会消耗大量的时间和人力,而且不具有全网统计性.笔者提出一种基于自适应SINR门限的自动邻区关系生成算法.该算法引入了自适应SINR门限以及"投票模型",充分考虑到了LTE网络中的小区类型,并能有效反映实际的网络环境,最终实现动态的相邻小区列表管理.通过仿真评估不同的SINR取值对相邻小区列表的冗余率和准确率的影响,获取了该算法的增益.

基于LSTM个性化步长估计的井下人员精准定位PDR算法

针对传统的行人航位推算(PDR)算法由于步长和航向累积误差导致定位精度较低,不能满足井下人员精准定位需求的问题,提出了一种基于长短时间记忆网络(LSTM)个性化步长估计的井下人员精准定位PDR算法。首先采集井下人员运动中的加速度、陀螺仪惯性信息,解算每一步运动距离构建步长数据,通过离线训练获得井下人员个性化步长估计LSTM模型;然后在在线预测阶段通过矿用本安智能手机实时采集加速度、陀螺仪、地磁等井下人员运动数据,分别采用步伐检测算法、个性化步长估计模型获得井下人员运动步伐及每一步的步长,利用卡尔曼滤波融合航向估计算法获得航向角;最后根据步长估计和航向角预测井下人员当前位置。在内蒙古鄂尔多斯市高头窑煤矿采集井下人员运动数据进行试验,结果表明:基于LSTM个性化步长估计的井下人员精准定位PDR算法对井下人员运动中的步伐检测精度为96.5%,步长预测精度为90%;在井下真实环境中的相对定位误差为2.33%,提高了煤矿井下人员定位的精度。

井下WSN目标跟踪局部异常检测算法

针对煤矿井下特殊信道环境对无线传感器网络(WSN)目标跟踪造成的约束和对量测数据的精确性造成的影响,设计了适用于井下巷道特征的网络拓扑结构以及分布式分簇目标跟踪算法,并在此基础上提出运用局部异常因子检测算法(LOF)对量测数据中存在的异常点进行实时监测和更新最后结合交互式多模型滤波算法(IMM)实现目标状态估计,仿真结果表明,该算法有效提高了跟踪精度,平衡并降低了网络能耗。

煤矿井下基于降噪自编码器的航向估计算法研究

针对煤矿井下高动态、强磁场的复杂环境,使用智能手机中陀螺仪解算航向角存在较大累积误差这一问题,提出一种基于降噪自编码器的卡尔曼滤波融合航向估计算法.该算法由卡尔曼滤波融合航向解算和旨在消除原始惯性传感器数据噪声的降噪自动编码器组成,通过训练降噪自编码器对井下惯性传感器数据进行降噪处理,并利用卡尔曼滤波融合陀螺仪积分航向解算和九轴传感器航向解算,得到矿工运动的航向角.本文在鄂尔多斯高头窑煤矿采集矿工运动数据,试验结果表明,在高动态复杂矿井下,本文算法较九轴传感器航向解算有较强的抗干扰能力,满足井下矿工PDR航向估计需求.

基于改进卡尔曼滤波算法的煤矿井下跟踪方法

煤矿井下环境特殊,受限的多径衰落无线信道对跟踪技术提出了极大的挑战。提出了指纹匹配和卡尔曼滤波相结合的井下跟踪算法。首先利用卡尔曼-均值滤波器对采样RSSI值进行去噪等处理,然后执行指纹匹配算法得到观测点处的位置坐标作为跟踪中的观测值,并与真实值估算出井下观测噪声方差,最后采用改进的卡尔曼滤波算法跟踪目标运动轨迹。试验结果表明,改进的算法能够满足矿井下目标的跟踪精度及误差的要求,增强了跟踪系统的可靠性。

基于模糊神经的井下指纹匹配定位算法研究

针对煤矿井下环境复杂多变,无线信号易受影响,以及构建指纹数据库困难,定位精度不高等问题,提出一种基于ANFIS的井下指纹匹配定位算法。通过对该算法以及煤矿井下时变特性的研究分析,构建出一种煤矿井下的自适应模糊神经推理系统,并通过仿真模拟对该系统方案进行了检验,实验结果表明,基于模糊神经的井下指纹匹配定位算法的定位误差为1.96m,此算法在减少创建指纹数据库工作量的同时,很大程度地提高定位精度,可满足煤矿井下巷道的实时定位需求。

面向煤矿井下的改进分布式目标跟踪算法

提出一种面向煤矿井下线性拟合和卡尔曼滤波相结合的改进分布式目标跟踪算法。根据移动目标的当前位置建立动态簇,簇头节点集中处理簇成员节点发来的最新观测数据,结合线性拟合算法和卡尔曼滤波算法对移动目标进行预测,将线性拟合的预测值和卡尔曼滤波预测值作为真正的预测值,得到目标的状态估计,通过这样的改进可实时的修正预测值。仿真结果表明,与传统的分布式目标跟踪算法比较,改进算法集中了2种算法的优点,有很好的跟踪性能。